多目标模糊优选决策的权扰动转移方程.docxVIP

多目标模糊优选决策的权扰动转移方程 文献建立了多目标模糊选择决策的理论和模型。该模型在多目标决策系统中得到了广泛的应用。在该模型中，一个重要因素是重量向量。在这方面，需要进一步研究权重向量对评价排序的影响。在这里，我们首先从文献中的模糊性决策模型中引入了评价矩阵转移方程。基于此，本文对矩阵矩阵影响评价体系相对优秀的评价价值进行了评价，并确定了评价矩阵。 1 模糊决策模型 设多目标决策系统中有待识别的n个方案,关于m个目标特征的特征值矩阵为 X=(xij)m×n(1) 利用文献中的目标相对优属度公式(越大越优或越小越优) rij=xij-minj?xijmaxj?xij-minj?xij(2)rij=maxj?xij-xijmaxj?xij-minj?xij(3) 将特征矩阵转化为目标相对优属度矩阵 R=(rij)m×n(4) 其中,0≤rij≤1. 通过引入距优距和距劣距的概念,建立目标函数,可得下面的多目标决策系统模糊优选决策模型 uj=11+[(Ιj)-1-1]2(5) 其中,Ιj=m∑i=1wirij?j=1?2???n;w=(w1,w2,…,wm)T为权重向量. 为了考察当权向量作微小变化时,对决策相对优属度的影响,我们对式(5)微分得 Δuj=2Ιj(1-Ιj)[Ι2j+(1-Ιj)2]2ΔΙj 由于ΔΙj=m∑i=1rijΔwi,代入上式可得 Δuj=m∑i=12Ιj(1-Ιj)[Ι2j+(1-Ιj)2]2rijΔwi 此式简写作 Δuj=m∑i=1aijΔwi(6) 其中,系数aij=2Ιj(1-Ιj)[Ι2j+(1-Ιj)2]2rij?j=1?2???n.我们把式(6)称为权扰动转移方程.而系数矩阵 A=(aij)n×m(7) 称为权扰动转移矩阵.在下面的讨论中,我们可以看到,矩阵A的特性,能够较深刻地表征权扰动对决策相对优属度的影响. 2 权扰动转移方程的关于线性代数及共作关系的假设 为了推导方便,我们先把权扰动方程改写成向量的形式 Δu=AΔw(8) 其中,Δu=(Δu1,Δu2,…,Δun)T,Δw=(Δw1,Δw2,…,Δwm)T. 通过对上述权扰动转移方程和权扰动矩阵的分析,我们可以得到以下结论. 定理1权扰动量Δw和决策相对优属度扰动量Δu的分量满足不等式 |Δuj|≤2m∑i=1|Δwi|≤2mmaxi|Δwi|(9) 证明:为了估计权扰动转移矩阵A中各元素的大小,我们引入辅助函数 f(x)=2x(1-x)[x2+(1-x)2]2?x∈[0?1] 这是一个非负函数.对它求导得 当x∈[0?12)时,f?′(x)0;当x∈(12?1]时,f?′(x)0.于是可知f(x)在上有最大值,最大值f(12)=2. 由矩阵A中的元素aij的表达式,并注意到0≤rij≤1可得 |aij|≤2 由扰动转移方程(6)可得 |Δuj|≤m∑i=1|aij|?|Δwi|≤m∑i=1maxi|aij|?|Δwi|≤m∑i=12|Δwi|=2m∑i=12|Δwi|≤2mmax|Δwi| 于是证明了定理1中的不等式(9). 定理1以分量的形式描述了权扰动量Δw对于决策相对优属度扰动量Δu的控制作用. 定理2权扰动量Δw与决策相对优属度扰动量Δu满足不等式 λ1|Δw|2≤|Δu|2≤λm|Δw|2(10) 其中λ1,λm分别是实对称矩阵ATA的最小、最大特征值. 证明:由扰动转移方程(10)可得 ΔuΤΔu=(AΔw)Τ(AΔw)=ΔwΤAΤAΔw 设实对称矩阵ATA的全部特征值由小到大依次排列为λ1,λ2,…,λm.由线性代数中的正定二次型的性质可知 λ1ΔwΤΔw≤ΔwΤAΤAΔw≤λmΔwΤΔw 以上两个关系式相结合,便得到定理2中的不等式(10). 若以分量的形式表示不等式(10),则有 λ1m∑i=1Δw2i≤m∑j=1Δu2j≤λmm∑i=1Δw2i(11) 由此可见,不等式(10)反映了权扰动量Δw与决策相对优属度扰动量Δu之间的整体相互制约关系. 推论:设h为最优决策序列的最小间隙,则保持最优序列不变的权扰动条件是 maxi|Δwi|＜h2√nmλm(12) 证明:由公式(11)可得 n∑j=1Δu2j≤λmm∑i=1Δw2i≤λmmmax|Δwi|2 记h为最优决策序列的最小间隙,欲使最优序列保持不变,只要每个Δujh/2,则可满足.由以上不等式可知,保持最优序列不变的一个充分条件是 λmmmax|Δwi|2＜n(h2)2即maxi|Δwi|＜h2√nmλm 在这个推论中,特别是对前三位决策序列排序更为重要. 定理3设矩阵A是权扰动转移矩阵,则实对称矩阵ATA的最小、最大特征值满足下列不等式 λ1≤[detAΤA]1m≤λm(13)λ1≤1mtrAΤA≤λm(14) 这里detATA和trATA分别表示实